Files-DB-MCP：代码项目的向量搜索

一个本地向量数据库系统，通过消息控制协议（MCP）为LLM编码代理提供快速高效的软件项目搜索能力。

特性

• 零配置 - 自动检测项目结构并使用合理的默认设置
• 实时监控 - 持续监视文件更改
• 向量搜索 - 语义搜索以找到相关代码
• MCP接口 - 兼容Claude Code和其他LLM工具
• 开源模型 - 使用Hugging Face模型进行代码嵌入

安装

方案1：克隆并设置（推荐）

# 使用SSH（如果你已经设置了GitHub的SSH密钥）
git clone git@github.com:randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

# 使用HTTPS（如果你没有设置SSH密钥）
git clone https://github.com/randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh

方案2：自动安装脚本

curl -fsSL https://raw.githubusercontent.com/randomm/files-db-mcp/main/install/install.sh | bash

使用方法

安装后，在任何项目目录中运行：

files-db-mcp

服务将：

1. 检测你的项目文件
2. 在后台开始索引
3. 立即响应MCP搜索查询

要求

• Docker
• Docker Compose

配置

Files-DB-MCP无需配置即可工作，但你可以通过环境变量自定义它：

• EMBEDDING_MODEL - 更改嵌入模型（默认：'jinaai/jina-embeddings-v2-base-code' 或特定于项目的模型）
• FAST_STARTUP - 设置为 'true' 以使用较小的模型实现更快启动（默认：'false'）
• QUANTIZATION - 启用/禁用量化（默认：'true'）
• BINARY_EMBEDDINGS - 启用/禁用二进制嵌入（默认：'false'）
• IGNORE_PATTERNS - 忽略的文件/目录的逗号分隔列表

首次启动

首次运行时，Files-DB-MCP会下载嵌入模型，这可能需要几分钟时间，具体取决于：

• 所选模型的大小（高质量模型约为300-500MB）
• 你的互联网连接速度

后续启动会快得多，因为模型会被缓存到持久的Docker卷中。为了加快初始启动速度，你可以：

# 使用较小、较快的模型（90MB）
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2 files-db-mcp

# 或启用快速启动模式
FAST_STARTUP=true files-db-mcp

模型缓存

Files-DB-MCP会自动持久化下载的嵌入模型，因此你只需下载一次：

• 模型存储在一个名为 model_cache 的Docker卷中
• 这个卷在容器重启之间以及不同项目之间都保持不变
• 缓存在你的机器上所有使用Files-DB-MCP的项目间共享
• 对于每个项目，你不需要再次下载模型

Claude Code 集成

添加到你的Claude Code配置中：

{
  "mcpServers": {
    "files-db-mcp": {
      "command": "python",
      "args": ["/path/to/src/claude_mcp_server.py", "--host", "localhost", "--port", "6333"]
    }
  }
}

详情请参阅 Claude MCP集成。

文档

• 安装指南 - 详细的安装说明
• API参考 - 完整的API文档
• 配置指南 - 配置选项

仓库结构

• /src - 源代码
• /tests - 单元和集成测试
• /docs - 文档
• /scripts - 实用脚本
• /install - 安装脚本
• /.docker - Docker配置
• /config - 配置文件
• /ai-assist - AI辅助文件

许可证

MIT许可证

贡献

欢迎贡献！请随时提交拉取请求。